ИИ дали 500 долларов и торговый киоск на целый год. Результат оказался неожиданным

Бизнесом оказался виртуальный торговый автомат.

На протяжении 365 смоделированных дней ИИ должен был самостоятельно искать поставщиков, договариваться о ценах, закупать товары, следить за запасами, устанавливать розничные цены и не допускать, чтобы бизнес остался без товара или денег.

То есть задача состояла не в том, чтобы один раз найти правильный ответ. Модель должна была месяцами придерживаться разумной стратегии и исправлять собственные ошибки.

И некоторые справились с этим весьма неплохо.

По актуальному рейтингу Vending-Bench 2 лучший результат показала GPT-6 Astra. Начав с $500, она закончила виртуальный год со средним балансом $15 514,70.

Почти вплотную к ней подошла GPT-6 Sol — $14 427,85.

Claude Opus 5 закончил год в среднем с $11 181,87, Claude Opus 4.7 — с $10 936,76, а Grok 4.7 — с $10 536,83.

Исследователи заметили любопытную деталь. Хороший результат зависел не только от того, насколько модель «умна» в обычных тестах. Особенно важными оказались две способности: не терять последовательность действий на протяжении всего года и уметь добиваться хороших закупочных цен.

Например, модели приходилось вести переговоры с виртуальными поставщиками. Некоторые со временем начинали соглашаться на всё менее выгодные предложения, переплачивать за товар или совершать повторяющиеся ошибки. Более успешные участники продолжали торговаться и искать альтернативных поставщиков даже спустя сотни виртуальных дней.

Однако хозяевам магазинов пока можно не волноваться.

Andon Labs подсчитала, что хорошо играющий человек при разумной стратегии мог бы закончить тот же год примерно с $63 000. Это приблизительная оценка, а не результат соревнования с реальным предпринимателем, но разрыв остаётся значительным.

Тем не менее сам эксперимент показывает любопытный сдвиг. Современные модели уже проверяют не только на способность написать текст или решить задачу за несколько минут.

Теперь исследователей интересует другое: сможет ли ИИ получить деньги, самостоятельно вести бизнес целый год и к концу эксперимента всё ещё понимать, что он вообще делает.

Судя по результатам Vending-Bench 2, некоторые модели уже способны не только не разорить киоск, но и весьма заметно увеличить первоначальные $500.